Tarik - Développeur SAS

FORMATIONS ACADÉMIQUES
2005-2007 : DESA Mathématique Informatique,et Applications (option Statistique et Probabilité) à FSR

2003 -2005 : Licence Appliquée de Statistique à la faculté des sciences rabat

1999-2000 : Obtention du Baccalauréat option Sciences Expérimentales.

CONNAISSANCES PROFESSIONNELLES
CONNAISSANCES STATISTIQUES
Modèle Base : Reporting et graphique, statistique descriptive, classification (nuées dynamiques, hiérarchique, Two-step), Analyses factorielle, Positionnement, Analyse discriminante, Régression linéaire)
Modèles de régression : Régression logistique multinomiale, Régression logistique binaire,régression non linéaire sans contrainte,Régression non linéaire avec contraintes,Moindre carrées pondérés,Doubles moindres carrés, Analyse probit.
Modèles Avancés : Analyse de variance, covariance (ANOVA, ANCOVA, MANOVA et MANCOVA), Effets fixes, effets aléatoires, modèle mixtes, Modèle linéaire général (GLM), Mesures répétées univariées.
Modèles de Correspondance : Analyse de correspondances, Analyse de l’homogénéité, Analyse de correspondance Multiples, Analyse des corrélations canoniques.
Modèles de Testes Exacts : test d’ajustement khi deux, Kolmogorov, Runs, Test Binomial, K-échantillons, Mesures d’association (nominales, ordinales, Kappa de cohen.)
Modèles de Séries: ARIMA, Lissage Exponentiel, Analyse Spectrale, Auto régression.
Modèles des Valeurs Manquantes : Analyse de la structure des données manquantes, Remplacement des valeurs manquantes par algorithme EM ou régression.
Modèles d’ Echantillonnages : Echantillonnage aléatoire simple, Echantillonnage stratifié, Echantillonnage en grappe, Systématique avec PPS, PPS Brewer, PPS Murthy.
Modèles d’arbres de décisions : CHAID, Exhaustive CHAID, Quest., C5.0, CRT
Modèles Analyse conjointe, Modèles Validation de données,

DATA MINING & MODELISATION STATISTIQUE
Data Mining sous Clementine : crédit scoring, Marketing direct, Enquêtes de satisfaction, Télécommunication
Segmentation et prévision : Réseaux de neurones, Arbres de décision (C5.0, CRT), Régression logistique
Typologie : Réseaux de Kohonen, nuées dynamiques, Two-step, K-means
Détection d’associations : GRI, Apriori et graphique relations, Séquence et CARMA
Réduction de données : Analyse factorielle, Analyse en composante principale
Text Mining : text mining et la veille concurrentielle.

CONNAISSANCES INFORMATIQUES ET COMPLEMENTS
Enquêtes sur le Web : SPSS Data Entry, SPSS DimensionNet, mrStudio, mrInterview, mrTables
SAS : Entreprise Miner, gestion de données, Statistique élémentaire, graphique haute résolutions, modèle linéaire, Série chronologique.
Développement : java, C/C++, LINUX., Matlab, Pascal, HTML, Oracle, langage SQL, MERISE.
Finance : Analyse financière, Gestion des investissements, Gestion de Portefeuilles, Analyse des opérations boursières. Analyse mathématique des instruments conditionnels, Evaluation par arbitrage en temps continu.
Langues pratiquées : Français, Anglais.